EV-FINGER : Caractérisation des vésicules extracellulaires par interférométrie à rétroinjection optique

Les vésicules extracellulaires (EV) sont des nanoparticules membranaires libérées par les cellules et impliquées dans la communication intercellulaire. Elles transportent des protéines, lipides, acides nucléiques et métabolites et participent à de nombreux processus physiologiques et pathologiques. Leur intérêt comme biomarqueurs et vecteurs thérapeutiques fait de leur caractérisation un enjeu majeur en biomédecine. Cependant, les technologies actuelles d'analyse des EV présentent des limites importantes. La nanoparticle tracking analysis (NTA), la diffusion dynamique de la lumière (DLS), la microscopie électronique, la cytométrie en flux ou le tunable resistive pulse sensing fournissent des informations complémentaires sur la concentration, la taille ou la morphologie des particules, mais permettent difficilement d'en déterminer l'identité et l'origine. Certaines méthodes nécessitent également une préparation complexe des échantillons, un marquage fluorescent, des volumes importants ou des instruments coûteux. Un défi majeur est notamment de distinguer les EV bactériennes des EV mammifères, dont les propriétés peuvent être similaires. Une méthode sans marquage fondée sur leurs propriétés intrinsèques est donc nécessaire. Le projet EV-FINGER propose une nouvelle approche basée sur l'Optical Feedback Interferometry (OFI), ou Self-Mixing Interferometry, pour détecter et caractériser des EV individuelles. L'hypothèse centrale est que chaque vésicule génère une « empreinte » interférométrique caractéristique, dépendant de sa taille, sa morphologie, sa composition membranaire, son indice de réfraction et son comportement dynamique. Ces signatures pourraient contenir suffisamment d'informations pour différencier des populations d'EV sans recours à un marquage moléculaire. La thèse combinera quatre domaines complémentaires : OFI, microfluidique, traitement du signal et intelligence artificielle. Dans un premier temps, il s'agira de permettre la détection fiable d'EV individuelles et de comprendre l'influence de leurs propriétés sur le signal OFI. Des populations d'EV bien caractérisées permettront de relier leurs propriétés à leurs signatures interférométriques. Des méthodes de traitement du signal et de machine learning seront ensuite développées pour extraire les informations pertinentes des signaux OFI et construire des modèles de classification. L'objectif sera notamment d'évaluer la capacité du système à distinguer les EV bactériennes des EV mammifères, y compris lorsque leurs distributions de taille et leurs propriétés optiques se recouvrent. Les résultats seront confrontés à des techniques de référence telles que la NTA, la microscopie électronique, la cytométrie en flux et les analyses moléculaires. Enfin, l'approche sera progressivement évaluée dans des conditions biologiques plus complexes. Des mélanges contrôlés d'EV seront d'abord analysés, puis la méthode sera étendue à des matrices biologiques contenant des protéines, cellules et autres nanoparticules susceptibles de générer un bruit de fond. Cette étape permettra d'évaluer les performances de la plateforme dans des conditions proches des applications réelles. Le projet s'appuie sur les expertises complémentaires de Toulouse INP–LAAS-CNRS en capteurs optiques et OFI, et de Nanyang Technological University en vésicules extracellulaires. Cette collaboration internationale permettra de rapprocher innovation technologique et expertise biologique. À terme, EV-FINGER vise à établir les bases d'une plateforme analytique sans marquage, sensible et capable d'analyser des EV individuelles. L'ambition est de démontrer que leur signature optique peut servir d'empreinte pour leur détection, caractérisation et discrimination. Cette approche pourrait ouvrir de nouvelles perspectives pour l'étude des maladies infectieuses, du cancer et, plus largement, pour le développement d'outils de biosensing adaptés aux enjeux de la médecine de précision. École doctorale : GEETS - Génie Electrique Electronique,Télécommunications et Santé : du système au nanosystème Direction : Adam QUOTB Financement : MSCA COFUND BEST